浏览器书签智能分类

浏览器书签智能分类工具

最近发现浏览器的书签越来越乱了，主要是因为自己太懒，其次之前建的分类太多又乱，重新手动整理确实比较烦。因此有了这个小项目。借助智谱AI的力量对书签进行重新分类。

项目简介

本工具用于自动整理浏览器书签，通过AI智能分类技术，将杂乱的书签按照主题自动归类，并且重新生成结构化的书签文件。

功能特性

• 自动提取书签信息
• 智能分类书签内容
• 分类智能生成
• 生成HTML格式书签文件，可直接导入浏览器
• 自动清理临时文件

使用说明

准备工作

1. 获取智谱AI API密钥
2. 准备浏览器导出的书签HTML文件

快速开始

1. 下载脚本
2. 修改CONFIG配置中的INPUT_FILE和OUTPUT_FILE
3. 修改CONFIG配置中的API_KEY
4. 运行脚本：

   python 浏览器书签文件重新分类.py
   

5. 查看生成的分类结果文件bookmarks.html

配置文件说明

在脚本开头的CONFIG字典中可配置以下参数：

• API_KEY: 智谱AI API密钥（必填）
• INPUT_FILE: 输入的书签HTML文件路径
• EXTRACTED_FILE: 提取的临时文件路径
• CLASSIFIED_FILE: 分类结果Markdown文件路径
• OUTPUT_FILE: 最终输出的HTML书签文件路径
• DEFAULT_CATEGORIES: 默认分类列表

代码结构

# 主要功能模块
1. 配置参数 (CONFIG)
2. AI客户端初始化 (zhipu_client)
3. 书签提取 (extract_bookmark_info)
4. 书签分类 (classify_bookmark)
5. 分类创建 (create_new_category)
6. 格式转换 (md_to_netscape)
7. 文件清理 (cleanup_temp_files)

脚本代码详细说明

浏览器书签文件重新分类脚本详细说明

1. 配置参数

CONFIG = {'API_KEY': "9e2458a8acf46274d1c1b9418eec500c.oBojpibVHt3IyXnz",  # 智谱API密钥，必填'INPUT_FILE': 'bookmarks_2025_1_3.html',  # 输入文件，必填'EXTRACTED_FILE': 'extracted_bookmarks.txt',  # 提取的临时文件'CLASSIFIED_FILE': 'classified_bookmarks.md',  # 分类结果文件'OUTPUT_FILE': 'bookmarks.html',  # 最终输出文件'DEFAULT_CATEGORIES': [  # 默认分类'编程语言','人工智能', '数据科学',]
}

• API_KEY: 用于调用智谱AI API的密钥。
• INPUT_FILE: 输入的HTML格式浏览器书签文件路径。
• EXTRACTED_FILE: 提取的书签信息保存为文本文件的路径。
• CLASSIFIED_FILE: 分类后的书签信息保存为Markdown文件的路径。
• OUTPUT_FILE: 最终生成的HTML格式书签文件路径。
• DEFAULT_CATEGORIES: 预定义的默认分类列表。

2. 初始化客户端

zhipu_client = ZhipuAI(api_key=CONFIG['API_KEY'])

• 使用提供的API密钥初始化智谱AI客户端，用于后续与AI模型交互。

3. 获取AI响应

def get_llm_response(sysPrompt, questionPrompt):response = zhipu_client.chat.completions.create(model="GLM-4-Plus",  # 填写需要调用的模型编码messages=[{"role": "user", "content": sysPrompt},{"role": "assistant", "content": "你好，请告诉我你需要分类的书签？"},{"role": "user", "content": questionPrompt},],)return response.choices[0].message.content

• 定义一个函数get_llm_response，用于向AI模型发送系统提示和用户问题，并返回模型的响应内容。

4. 读取并解析HTML文件

with open(CONFIG['INPUT_FILE'], 'r', encoding='utf-8') as file:html_content = file.read()soup = BeautifulSoup(html_content, 'html.parser')
bookmarks = soup.find_all('a')bookmark_info = []
for bookmark in bookmarks:href = bookmark.get('href')add_date = bookmark.get('add_date')icon = bookmark.get('icon')text = bookmark.text.strip().replace('\n', '').replace('\t', '').replace('\r', '').replace(' ', '')bookmark_info.append({'URL': href,'Text': text})with open(CONFIG['EXTRACTED_FILE'], 'w', encoding='utf-8') as f:for info in bookmark_info:f.write(f"Name: {info['Text']}, URL: {info['URL']}\n")

• 读取输入的HTML书签文件内容。
• 使用BeautifulSoup解析HTML，提取所有的<a>标签作为书签。
• 将每个书签的URL和名称保存到bookmark_info列表中。
• 将提取的书签信息保存到临时文件EXTRACTED_FILE中。

5. 分类书签

def extract_bookmark_info(line):name_match = re.search(r'Name: ([^,]+)', line)url_match = re.search(r'URL: (https?://[^\s]+)', line)if not name_match or not url_match:return None, Nonereturn name_match.group(1), url_match.group(1)def classify_bookmark(bookmark_name, bookmark_url, categories):system_prompt = ("你是一个智能助手，任务是根据提供的书签名称和URL从给定的分类列表中选择最合适的分类返回给用户。仅返回分类名称。\n""请根据书签的内容和性质选择最适合的分类。如果没有合适的分类，请回答'无法分类'。\n""给定分类: {categories_str}\n""请选择最合适的分类。\n""示例：""user: 书签名称：Python官方文档\n""书签URL：https://docs.python.org/3/\n""assistant: 编程语言\n").format(categories_str=", ".join(categories))user_prompt = ("书签名称: {bookmark_name}\n""书签URL: {bookmark_url}\n").format(bookmark_name=bookmark_name, bookmark_url=bookmark_url)try:response = get_llm_response(system_prompt, user_prompt)except Exception as e:response = "其他"if response == "无法分类":return Nonereturn responsedef create_new_category(name, url):system_prompt = ("你是一个智能助手，任务是根据提供的书签名称和URL给定一个合适的书签分类。仅返回分类名称。\n""请根据书签的内容和性质给定分类。\n""示例：""user: 书签名称：Python官方文档\n""书签URL：https://docs.python.org/3/\n""assistant: 编程语言\n")user_prompt = ("书签名称: {name}\n""书签URL: {url}\n").format(name=name, url=url)response = get_llm_response(system_prompt, user_prompt)return response

• extract_bookmark_info: 从临时文件中每行提取书签名称和URL。
• classify_bookmark: 根据书签名称和URL，使用AI模型从预定义分类中选择最合适的分类。如果无法分类，则返回None。
• create_new_category: 如果书签无法归入现有分类，则创建新分类。

6. 处理书签分类

categories = CONFIG['DEFAULT_CATEGORIES']with open(CONFIG['EXTRACTED_FILE'], 'r', encoding='utf-8') as f:bookmarks = f.readlines()classified = defaultdict(list)
for line in bookmarks:if not line.strip():continuename, url = extract_bookmark_info(line)if not name or not url:continuecategory = classify_bookmark(name, url, categories)if not category:category = create_new_category(name, url)categories.append(category)print(f'分类书签: {name} -> {category}')classified[category].append(line)with open(CONFIG['CLASSIFIED_FILE'], 'w', encoding='utf-8') as f:f.write('# 书签\n\n')for category, items in classified.items():f.write(f'## {category}\n')for item in items:name, url = extract_bookmark_info(item)if name and url:f.write(f'- [{name}]({url})\n')f.write('\n')

• 从临时文件中读取所有书签信息。
• 对每个书签进行分类，如果无法归入现有分类则创建新分类。
• 将分类结果保存到Markdown文件CLASSIFIED_FILE中。

7. 将分类结果转换为HTML书签文件

def md_to_netscape(md_content):html = '''<!DOCTYPE NETSCAPE-Bookmark-file-1><META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=UTF-8"><TITLE>Bookmarks</TITLE><H1>Bookmarks</H1><DL><p>'''lines = md_content.split('\n')stack = []current_level = 0for line in lines:if line.startswith('#'):level = line.count('#')title = line.lstrip('#').strip()while stack and stack[-1] >= level:html += '</DL><p>\n'stack.pop()html += f'    <DT><H3 ADD_DATE="{int(datetime.now().timestamp())}" LAST_MODIFIED="{int(datetime.now().timestamp())}">{title}</H3>\n'html += '    <DL><p>\n'stack.append(level)current_level = levelelif line.startswith('-'):match = re.match(r'-\s*\[(.*?)\]\((.*?)\)', line)if match:name, url = match.groups()html += f'        <DT><A HREF="{url}" ADD_DATE="{int(datetime.now().timestamp())}">{name}</A>\n'while stack:html += '</DL><p>\n'stack.pop()return htmlwith open(CONFIG['CLASSIFIED_FILE'], 'r', encoding='utf-8') as f:md_content = f.read()html_content = md_to_netscape(md_content)with open(CONFIG['OUTPUT_FILE'], 'w', encoding='utf-8') as f:f.write(html_content)

• 定义md_to_netscape函数，将Markdown格式的分类结果转换为Netscape Bookmark HTML格式。
• 读取分类结果文件CLASSIFIED_FILE，将其转换为HTML格式并保存到OUTPUT_FILE。

8. 清理临时文件

def cleanup_temp_files():temp_files = [CONFIG['EXTRACTED_FILE'],CONFIG['CLASSIFIED_FILE']]for file in temp_files:if os.path.exists(file):os.remove(file)print(f"已删除临时文件: {file}")if __name__ == '__main__':try:# 主逻辑代码...cleanup_temp_files()print("脚本执行完成，临时文件已清理")except Exception as e:print(f"脚本执行出错: {str(e)}")

• 定义cleanup_temp_files函数，清理脚本运行过程中产生的临时文件。
• 在主程序执行完成后调用此函数，确保临时文件被删除。

总结

该脚本通过以下步骤实现了对浏览器书签文件的重新分类：

1. 读取和解析：从HTML文件中提取书签信息。
2. 分类：使用AI模型对书签进行分类，必要时创建新分类。
3. 保存结果：将分类结果保存为Markdown文件。
4. 转换格式：将Markdown格式的分类结果转换为HTML格式。
5. 清理：删除临时文件以保持工作环境整洁。

这个过程不仅简化了书签管理，还利用AI技术提高了分类的准确性和效率。

注意事项

1. 确保API密钥有效
2. 输入文件格式需为标准Netscape书签格式
3. 分类结果可能受AI模型影响，建议人工复核
4. 脚本运行后会清理临时文件，请及时保存结果

完整代码

# 浏览器书签文件重新分类.pyfrom zhipuai import ZhipuAI
from bs4 import BeautifulSoup
import re
import os
from collections import defaultdict
from datetime import datetime# 配置参数
CONFIG = {'API_KEY': "my-secret-key",  # 智谱API密钥，必填'INPUT_FILE': 'bookmarks_2025_1_3.html',  # 输入文件，必填'EXTRACTED_FILE': 'extracted_bookmarks.txt',  # 提取的临时文件'CLASSIFIED_FILE': 'classified_bookmarks.md',  # 分类结果文件'OUTPUT_FILE': 'bookmarks.html',  # 最终输出文件'DEFAULT_CATEGORIES': [  # 默认分类'编程语言',#这个被用到给AI举例，不能删除'人工智能', '数据科学',]
}# 初始化客户端
zhipu_client = ZhipuAI(api_key=CONFIG['API_KEY'])def get_llm_response(sysPrompt, questionPrompt):response = zhipu_client.chat.completions.create(model="GLM-4-Plus",  # 填写需要调用的模型编码messages = [{"role": "user", "content": sysPrompt},{"role": "assistant", "content": "你好，请告诉我你需要分类的书签？"},{"role": "user", "content": questionPrompt},],)return response.choices[0].message.content# 读取HTML文件内容
with open(CONFIG['INPUT_FILE'], 'r', encoding='utf-8') as file:html_content = file.read()# 使用BeautifulSoup解析HTML
soup = BeautifulSoup(html_content, 'html.parser')# 查找所有的<A>标签
bookmarks = soup.find_all('a')# 提取书签信息
bookmark_info = []
for bookmark in bookmarks:href = bookmark.get('href')add_date = bookmark.get('add_date')icon = bookmark.get('icon')text = bookmark.text.strip().replace('\n', '').replace('\t', '').replace('\r', '').replace(' ', '')bookmark_info.append({'URL': href,'Text': text})# 打印提取的书签信息
for info in bookmark_info:print(info)# 保存提取的书签信息with open(CONFIG['EXTRACTED_FILE'], 'w', encoding='utf-8') as f:for info in bookmark_info:f.write(f"Name: {info['Text']}, URL: {info['URL']}\n")def extract_bookmark_info(line):"""从书签行中提取名称和URL"""name_match = re.search(r'Name: ([^,]+)', line)url_match = re.search(r'URL: (https?://[^\s]+)', line)if not name_match or not url_match:return None, Nonereturn name_match.group(1), url_match.group(1)def classify_bookmark(bookmark_name, bookmark_url, categories):system_prompt = ("你是一个智能助手，任务是根据提供的书签名称和URL从给定的分类列表中选择最合适的分类返回给用户。仅返回分类名称。\n""请根据书签的内容和性质选择最适合的分类。如果没有合适的分类，请回答'无法分类'。\n""给定分类: {categories_str}\n""请选择最合适的分类。\n""示例：""user: 书签名称：Python官方文档\n""书签URL：https://docs.python.org/3/\n""assistant: 编程语言\n").format(categories_str=", ".join(categories))user_prompt = ("书签名称: {bookmark_name}\n""书签URL: {bookmark_url}\n").format(bookmark_name=bookmark_name, bookmark_url=bookmark_url)try:response = get_llm_response(system_prompt, user_prompt)except Exception as e:response = "其他"if response == "无法分类":return Nonereturn responsedef create_new_category(name, url):"""创建新分类:param name: 书签名称:param url: 书签URL:return: 新分类名"""system_prompt = ("你是一个智能助手，任务是根据提供的书签名称和URL给定一个合适的书签分类。仅返回分类名称。\n""请根据书签的内容和性质给定分类。\n""示例：""user: 书签名称：Python官方文档\n""书签URL：https://docs.python.org/3/\n""assistant: 编程语言\n")user_prompt = ("书签名称: {name}\n""书签URL: {url}\n").format(name=name, url=url)response = get_llm_response(system_prompt, user_prompt)return response# 使用配置中的分类规则
categories = CONFIG['DEFAULT_CATEGORIES']with open(CONFIG['EXTRACTED_FILE'], 'r', encoding='utf-8') as f:bookmarks = f.readlines()classified = defaultdict(list)
for line in bookmarks:if not line.strip():continuename, url = extract_bookmark_info(line)if not name or not url:continue# 分类书签category = classify_bookmark(name, url, categories)if not category:# 创建新分类category = create_new_category(name, url)categories.append(category)print(f'分类书签: {name} -> {category}')classified[category].append(line)# 将分类结果保存为文件
with open(CONFIG['CLASSIFIED_FILE'], 'w', encoding='utf-8') as f:f.write('# 书签\n\n')for category, items in classified.items():f.write(f'## {category}\n')for item in items:name, url = extract_bookmark_info(item)if name and url:f.write(f'- [{name}]({url})\n')f.write('\n')from datetime import datetime
# 将分类结果重新转为HTML书签文件
def md_to_netscape(md_content):# 初始化HTML结构html = '''<!DOCTYPE NETSCAPE-Bookmark-file-1><META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=UTF-8"><TITLE>Bookmarks</TITLE><H1>Bookmarks</H1><DL><p>'''# 解析MD内容lines = md_content.split('\n')stack = []current_level = 0for line in lines:# 处理标题if line.startswith('#'):level = line.count('#')title = line.lstrip('#').strip()# 关闭之前的DLwhile stack and stack[-1] >= level:html += '</DL><p>\n'stack.pop()# 添加H3标签html += f'    <DT><H3 ADD_DATE="{int(datetime.now().timestamp())}" LAST_MODIFIED="{int(datetime.now().timestamp())}">{title}</H3>\n'html += '    <DL><p>\n'stack.append(level)current_level = level# 处理链接elif line.startswith('-'):match = re.match(r'-\s*\[(.*?)\]\((.*?)\)', line)if match:name, url = match.groups()html += f'        <DT><A HREF="{url}" ADD_DATE="{int(datetime.now().timestamp())}">{name}</A>\n'# 关闭所有打开的DLwhile stack:html += '</DL><p>\n'stack.pop()return htmlwith open(CONFIG['CLASSIFIED_FILE'], 'r', encoding='utf-8') as f:md_content = f.read()html_content = md_to_netscape(md_content)with open(CONFIG['OUTPUT_FILE'], 'w', encoding='utf-8') as f:f.write(html_content)# 清理临时文件
def cleanup_temp_files():"""清理脚本运行过程中产生的临时文件"""temp_files = [CONFIG['EXTRACTED_FILE'],CONFIG['CLASSIFIED_FILE']]for file in temp_files:if os.path.exists(file):os.remove(file)print(f"已删除临时文件: {file}")# 主程序执行
if __name__ == '__main__':try:# 原有主逻辑代码...# 脚本执行完成后清理临时文件cleanup_temp_files()print("脚本执行完成，临时文件已清理")except Exception as e:print(f"脚本执行出错: {str(e)}")